Trong quá trình nghiên cứu, nhi u hề ạn chếđược phát hiện nhưng để ả gi i quyết đòi
hỏi nền tảng tri thức sâu và rộng hơn. Các hướng nghiên cứu chính ti p theo ế được
đề xu t ấ như sau:
• Nghiên cứu các toán t ử lai và đột bi n; ế hàm đánh giá tính thích nghi m i ớ
nhằm tạo ra các cá th tể ốt hơn, phù h p hơnợ với ngữ ả c nh bài toán VRPTW. • Thử nghiệm và đánh giá các mô hình song song cho thu t toán di truy n. T ậ ề ừ
đó, lựa chọn mô hình thích hợp nhất. Đặc biệt, mô hình đa quần th con di ể
trú rất có triển vọng cho dạng bài toán tối ưu đa m c tiêu như VRPTW.ụ
• Nghiên cứu và đề xu t các thu t toán lai nh m k t h p GA v i các thu t toán ấ ậ ằ ế ợ ớ ậ khác như thuật toán luy n kim, tìm ki m Tabuệ ế , ... để ạ t o ra chất lượng l i ờ
Tài liệu tham khảo
[1] Solomon, M. M. (1987), “Algorithms for the Vehicle Routing and Scheduling Problems with Time Window Constraints”, Operations Research, 35(2), 254-265. [2] Blanton, J. L., Wainwright, R. L. (1993), “Multiple vehicle routing with time and
capacity constraints using genetic algorithms”, In:Proceedings of the 5th International
Conference on Genetic Algorithms, San Francisco: Morgan Kaufmann, 452–459.
[3] Desrochers, M., Desrosiers, J., Solomon, M. (1992), “A New Optimization Algorithm for the Vehicle Routing Problem with Time Windows”, Operations Research, 40(2), 342-352.
[4] Thangiah, S. (1995), “Vehicle routing with time windows using genetic algorithms”, In: Chambers L, editor. Application handbook of genetic algorithms: New Frontiers, vol. II. Boca Raton: CRC Press, 253–277.
[5] Thangiah, S. R., Osman, I. H., Sun, T. (1994), “Hybrid Genetic Algorithm, Simulated Annealing and Tabu Search Methods for Vehicle Routing Problem with Time Windows”, Technical Report 27, Computer Science Department, Slippery Rock
University.
[6] Potvin, J.Y., Kervahut, T., Garcia, B. L., and Rousseau, J. M. (1995), “The vehicle routing problem with time windows - Part I: Tabu Search”, ORSA Journal on
Computing.
[7] Potvin, J. Y., Bengio, S. (1996), “The Vehicle Routing Problem with Time Windows - Part II: Genetic Search”, INFORMS Journal of Computing 8, 165-172.
[8] Potvin, J. Y., Rousseau, J. M. (1993), “A parallel route building algorithm for the vehicle routing and scheduling problem with time windows”, European J. Operational
Res., 66, 331-340.
[9] Edward K. Baker and Joanne R. Schaffer (1986), “Solution improvement heuristics for the vehicle routing and scheduling problem with time window constraints”, American
Journal of Mathematical and Management Science, 6(3, 4), 261-300.
[10] Clarke, G. and Wright W. (1964), “Scheduling of vehicles from a central depot to a number of delivery points”, Operations Research, 12, 568-581.
[11] H. R. G. van Landeghem, (1988), “A bi criteria heuristic for the vehicle routing - problem with time windows”, European Journal of Operational Research, 36, 217- 226.
[12] Gambardella, L. M., Taillard, E., and Agazzi, G. (1999), “MACS VRPTW: a - multiple ant colony system for vehicle routing problems with time windows”. In: Corne D, Dorigo M, Glover F, editors. New ideas in optimization. London: McGraw- Hill, 63–76.
[13] Beatrice Ombuki, Brian J. Ross and Franklin Hanshar (2004), “Multi Objective - Genetic Algorithms for Vehicle Routing Problem with Time Windows”, Technical
Report #CS-04-02 January 2004, .
[14] Jurgen Schulze and Torsten Fahle (1999), “A Parallel Algorithm for the Vehicle Routing Problem with Time Window Constraints”, Annals of Operations Research, vol. 86, 585-607.
[15] Cantú Paz, E. (1998), “A survey of parallel genetic algorithms”, - Calculateurs
Paralleles, Reseaux et Systems Repartis, 10(2), 141-171.
[16] Tan, K.C., Lee, L.H., Zhu, K. Q., and Ou, K. (2001), “Heuristic Methods for Vehicle Routing Problem with Time Windows”, Artificial Intelligence in Engineering, 15(3), 281-295.
[17] Noor Hasnah Moin (2002), “Hybrid Genetic Algorithms for Vehicle Routing Problems with Time Windows”, International Journal of the Computer, the Internet
and Management, 10(1).
[18] Yaw Chang and Lin Chen (2007), “Solve the Vehicle Routing Problem with Time Windows via a Genetic algorithm”, AIMS Journal, DCDS Supplements, 2007(Special, September 2007), 240-249.
[19] Marshall L. Fisher, Kurt O. Jornsten, Oli B. G. Madsen (1997), “Vehicle routing with Time Windows: Two Optimization Algorithms”, Operations Research, 45(3), 488-492.
[20] Jean Berger, Mohamed Barkaoui (2004), “A parallel hybrid genetic algorithm for the vehicle routing problem with time windows”, Computers & OR, 31(12), 2037- 2053.
[22] Kenny Q. Zhu (2003), “A Diversity-Controlling Adaptive Genetic Algorithm for the Vehicle Routing Problem with Time Windows”, Proceedings of the 15th IEEE
International Conference on Tools with Artificial Intelligence, ICTAI 2003, 176-183.
[23] Braysy, O. and Gendreau, M. (2001) Genetic Algorithms for the Vehicle Routing , “ Problem with Time Windows Internal Report STF42 A01021, SINTEF Applied ”, Mathematics, Department of Optimisation, Oslo, Norway. Availabled at http://www.top.sintef.no/Publications/GAVRPTW_Report.pdf.
[24] Braysy, O., Berger , Barkaoui M., J. , (2000), A new hybrid evolutionary algorithm
for the vehicle routing problem with time windows, Presented in Route 2000
Workshop, Skodsborg, Denmark.
[25] Braysy, O., Gendreau M., (2005), “Vehicle Routing Problem with Time Windows, Part I: oute onstruction and ocal earch lgorithmsR C L S A ”, Transportation Science,
39(1), 104-118.
[26] Braysy, O., Gendreau M., (2005), “Vehicle Routing Problem with Time Windows, Part II: etaheuristicsM ”,Transportation Science, 39(1), 119-139.
[27] Jean Yves Potvin and Jean Marc Rousseau- - (1995), “An exchange heuristic for routering problems with time windows”, Journal of the Operational Research Society, 46(12), 1433-1446.
[28] Osman, Ibrahim H. and N. Christofides (1989), “Simulated Annealing and Descent Algorithms for Capacitated Clustering Problem”, Research Report, Imperial College,
University of London.
[29] Kolen, A. W. J., A. H. G. R. Kan and H. W. J. M. Trienekens (1987), “Vehicle Routing with Time Windows”, Operations Research 35 .
[30] Kohl, N. and Madson O., (1995), “An Optimization Algorithm for the Vehicle Routing Problem with Time Windows based on Lagrangean Relaxation”, Working
paper.
[31] Madsen, 0 . B. G. (1988), “Variable Splitting and Vehicle Routing Problems with Time Windows”, Preprint IBl1988. IMSOR, The Technical University of Denmark,
Lyngby, Denmark.
[32] Kirkpatrick, S., C.D. Gelatt Jr. and M.P. Vecchi (1983), “Optimization by Simulated Annealing ”,Science, 20, 671-680.
[33] Osman, I. H. (1993), “Meta strategy Simulated Annealing and Tabu Search - Algorithms for the Vehicle Routing Problem”, Annuals Operations Research, 41. [34] Chiang, W. C. and Russell (1996), “Simulated annealing metaheuristic for the
vehicle routing problem with time windows", Annals of Operations Research, 63, 3- . 27 [35] Holland, J. H. (1975), “Adaptation in Natural and Artificial Systems”, University
of Michigan Press, Ann Arbor.
[36] Homberger, J., Gehring H., (1999), “Two evolutionary metaheuristics for the vehicle routing problem with time windows ”,INFOR 1999, 37, 297–318.
[37] Potvin, J. Y., T. Kervahut, B. L. Garcia, J. M. Rousseau (1996), “The Vehicle Routing Problem with Time Windows; Part I: Tabu Search”, INFORMS Journal on
Computing 8, 158-164.
[38] L. M. Gambardella, M. Dorigo (1996), “Solving Symmetric and Asymmetric TSPs by Ant Colonies”, Proceedings of the IEEE Conference on Evolutionary Computation,
ICEC96, IEEE Press, 622-627.
[39] M. Dorigo, V. Maniezzo, A. Colorni (1996), “The Ant System: Optimization by a Colony of Cooperating Agents”, IEEE Transactions on Systems, Man, and
Cybernetics–Part B 26, 29-41.
[40] David Levine (1994), “A Parallel Genetic Algorithm for the Set Partitioning Problem”, Technical Report ANL-94/23, May 1994.
Tóm tắt
Luận văn tập trung giải quy t bài toán l p l trình xe v n chuy n v i h n ch th i ế ậ ộ ậ ể ớ ạ ế ờ
gian – VRPTW, được ứng dụng nhiều trong dịch vụ ậ v n chuyển. Mục tiêu bài toán là tối thiểu sốxe vận chuyển và tổng khoảng cách di chuyển khi phục vụ các khách hàng mà không vi phạm các ràng bu c vộ ề khả năng chuyên chở ủ c a các xe và các cửa sổthời gian đáp ứng. Đây là dạng bài toán NP-khó nên thường được giải quyết tốt bằng phương pháp heuristic. Lu n văn đã đậ ề xuất thuật toán di truyền giải bài toán VRPTW có kết hợp phương pháp heuristic xây dựng lộ trình PFIH của Solomon trong khởi tạo quần thể ban đầu. Đồng thời, qua khảo sát các mô hình song song thuật toán di truy n, luề ận văn cũng đã đề xuất gi i thu t di truyả ậ ền song song dựa trên mô hình chủ - t giớ để ải quyết bài toán nh m rút ng n thằ ắ ời gian lập lịch cũng như có thể giải quyết các vấn đ kích thướ ớề c l n hơn. Theo đó, tiến trình chủ ềđi u khiển quá trình th c thi c a gi i thu t và th c hi n thao tác chự ủ ả ậ ự ệ ọn lọc cá thể
cha mẹ trong qu n thầ ể. Các tiến trình tớ thực hiện các thao tác lai chéo, đột biến và
đánh giá tính thích nghi của các cá thể. Các kết qu ảđánh giá thuật toán tuy cho chất
lượng l i gi i có phờ ả ần kém hơn khi so sánh với các kết quả ủ c a các thuật toán khác
đã công bố nhưng thời gian thực thi tương đ i nhanh. Hơn nố ữa, th i gian th c thi ờ ự
của giải thuật song song được rút ngắn hiệu quả khi so với thời gian thực thi của giải thu t tuậ ần tự. Tác giả ủ c a luận văn tin rằng chất lượng lời giải sẽđược c i thiả ện
đáng kể ế n u kết h p thêm m t s ợ ộ ố heuristic khác như phương pháp λ −trao đổi, thuật toán luyện kim hay Tìm kiếm Tabu, ... để ế ti p tục c i tiả ến lời giải thu được.
Abstract
This thesis mainly focuses on solving the vehicle routing problem with time windows (VRPTW). The objective of the problem is to service a number of customers within predefined time windows at minimun cost, without violating the capacity and time constraints. This is NP hard problem and is best solved by - heuristics. The thesis presents the genetic algorithm using the Push-Forward Insertion Heuristic (PFIH) of Solomon (1987) in creating of initial population in order to solve the VRPTW problem. Parallel this, through investigating a survey of parallel genetic algorithms (PGAs), the thesis also presents a new PGA based on the master-slave paradigm for solving VRPTW problem. The master component controls the execution of the algorithm and handles parent selection while the slave components concurrently execute reproduction, mutation operators and evaluate the fitness of the individuals. Computational results show the quality of solutions of the proposed GA is a little worse than ones of the public algorithms of other authors. However, the running time of the GA is fast. And the running time of the proposed PGA is reduced efficiently when is compared with the running time of the GA. The author of this thesis believes that the quality of the solutions of this GA can competitive with the best known heuristic routing procedures as if it was combined - to some other heuristics such as Simulated Annealing, Tabu Search, Ant Colony, etc. to continue improved the feasible solution of GA.